10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识

「有一回藤野先生将我叫到他的研究室里去，翻出我那讲义上的一个图来，是下臂的血管，指着，向我和蔼的说道：“你看，你将这条血管移了一点位置了。──自然，这样一移，的确比较的好看些，然而解剖图不是美术，实物是那么样的，我们没法改换它。现在我给你改好了，以后你要全照着黑板上那样的画。”」

这是鲁迅散文集《朝花夕拾》里的文章《藤野先生》，是每个上过初中的学生都会读到的一篇课文，在今天重新来看，多少有点荒谬——也就是藤野先生没有见过 AI。

今天，不用去野外吹风淋雨，也不用懂半点鸟类解剖学，只要有一台电脑、开 8 个窗口跑 AI 脚本，不到一个星期，就能把全世界所有现生鸟类「一张不落」地全部画完，至于真不真实，根本不重要。

这是最近在开发者圈高调刷屏、却把国内外鸟类爱好者气到血压飙升的「花叔全球鸟类贴纸库」，光是看作者自己的项目复盘文章，字里行间都洋溢着一种「算力大力出奇迹」的亢奋。

为了给自己的观鸟 App 做配套素材，这位完全不会写代码的独立开发者，靠着 Vibe Coding 烧掉了超过 10 亿的 Token，跑光了数次 200 美元顶配会员的周额度，把全球 11064 种现生鸟类（后随名录更新调整为 11011 种及 91 个亚种）做成了白边贴纸，顺手搭起了一个支持 15 种语言检索的鸟类网站，并向全网宣布「正式开源」。

然后马上就翻车了。

扒图、瞎画，一条「造鸟流水线」

仔细看这套万鸟贴纸库的制作黑箱，足以让科学传播者和野外摄影师直掐人中。

首先是近乎「明抢」的参考图抓取和盗图。 AI 凭空画鸟极易胡编乱造，作者又不是观鸟爱好者，没有自己的数据库，要怎么解决？写脚本去 iNaturalist 和维基共享资源里，把全世界摄影师辛苦蹲守拍下的真实照片批量扒下来，拼成 3×3 的「九宫格」喂给生图模型重绘。

等洗成 AI 贴纸后，作者反手给贴纸打上自己的授权标签（最初甚至用了限制竞品使用的 PolyForm Shield 1.0.0，后改为 CC BY 4.0），然后留下一句：如果某张贴纸参照了你拍的照片而你不希望我们使用，发邮件提 Issue，7 天内撤下。

这种「先把摄影师的作品喂给 AI、被苦主找上门再删」的逻辑，在海外社区 Reddit 的观鸟论坛上是直接被怼，「把别人的作品喂进抄袭机器，从来不是一件可以靠“事后申请退出”来洗白的事」

为了在几天内强行凑齐一万多种鸟，还有另外一个雷霆的做法：冷门鸟找不到好照片，就拿几张残缺照片拼凑；模型画完后，交给另一个 AI 审核员打分。在测试中作者自己都发现，生图模型频繁造出令人啼笑皆非的怪物——明明是红色或蓝绿色的虹膜，被画成了死气沉沉的全黑眼珠；脚趾融成一团肉块；连蜂鸟这种极短腿的鸟，都被强行安上了一双麻雀式的大长腿。

那要是重画两次还是画不对怎么办？不退回用照片，也不留空，选高分者留下。

用纯工程学思维，搪塞科普问题，在初代开源的仓库里，连项目自己设定的 AI 及格线（80 分）都没过的残次品，就高达 3388 张（其中 109 张甚至低于 70 分），却依然打包塞进了公开图库。虽然后来作者在 11 月用另一套 AI 标准把一万多张图重跑了一遍，宣布全部「过线」，但从头到尾，这套图库都没有经过哪怕一位鸟类学专家的系统审校。

「科普污染」究竟有毒在哪儿

在一大堆硬伤的情况下，依然热情推荐大家把这些贴纸拿去「做自然教育的课件、给孩子做鸟卡」，甚至提供了一行代码即可调用的 CDN 接口和绑定了 eBird、GBIF 科研编号的结构化数据；转头又在说明文档里给自己叠上一层厚厚的免责甲。

「这些是插画，不是图鉴图版……发现画错了，欢迎提 Issue，鸟友的纠错是这个项目最需要的贡献」。

这是整个开源项目最大的争议点：有没有能力核查一万多张图片，是能力问题，但有没有想过在推出前做专业核查，是态度问题。作者从来没有正面承认过，制作一套鸟类知识产品，需要以鸟类学和观鸟领域的专业知识为前提，纠察是在发布之后的补充环节。

这种思路在代码开发里很普遍，编程-上线-收到 issue 后后修改-迭代，作为开发者，只要开发出了工具、生成了图片、开放了代码，自己的工作就已经完成，哪怕只是 vibe coding，至于知识是否准确，可以交给使用者和专业社区来纠正——这样的思路放在自然科学领域，堪称灾难。

以有「空中猛禽」之称的游隼为例，如果只看贴纸图，外行人根本看不出问题，尤其是整个制图风格是写实画风，而不是动漫或者简笔画线条。

经过鸟友贴出的对比图仔细看，才能发现原本跗跖粗壮、爪趾强健有力的空中猛禽游隼，被扭曲成了更细小的爪型。作者回查后才承认，原来参考照是从树下仰拍的，游隼的脚被腹羽和树枝挡住了；当脚本自动抠图去掉树枝后，AI 只能脑补出一副细爪，而负责审图的 AI 根本没检查腿脚粗细比例。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图10

葵花鹦鹉最初激发作者立项，是他「最爱的鸟类」。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图11

但画出来之后最基础的折叠翼羽区（覆羽与飞羽的层级关系）都是错的。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图12

「是插画不是图鉴」这种说法，并不能免责，原因不是「鸟类图鉴不能用画的」，传统手绘图鉴本来就不等于摄影照片。但手绘取舍的底线，是每一笔都扎根于真实的物种解剖，并由懂行的人把关。优秀的博物画师会综合多只个体的长期观察，有意突出尾羽、喙形或换羽期的鉴别特征。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图13

不止假鸟贴纸，AI 伪科普正在多条战线「投毒」

如果仅仅是一个独立开发者的自嗨，事情或许还没那么可怕。可是像这样用 AI 篡改、捏造自然图像，进而污染科学记录与公众科普的离谱事件，早就不是一桩两件了。

今年发表在《自然·生态与进化》（Nature Ecology \& Evolution）上的一篇学术通信，就记录了一起足以敲响警钟的案例：一名观鸟者在巴西拍到了一只略显模糊的鸟，为了看得更清楚，他把照片交给 Google 的 AI 图像工具改善画质，随后将处理后的高清图上传到了全球最大的公民科学平台之一 iNaturalist。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图14

结果，这张照片一度被当成当地罕见的「红翅黑鹂」分布新记录；直到专家仔细比对原图才发现，那其实只是当地极其常见的另一种拟鹂，是 AI 在「修清楚」的过程中，凭空给这只鸟补出了红翅黑鹂的羽毛特征——只是换了一点色、调整了大小，就已经是另一只鸟。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图15

这位观鸟者的主观意图，仅仅只是增强和高清，并没有其它意图。但恰恰是这种「无心之失」，比凭空画一只假鸟更容易混进人类知识的底层链条。公众上传的自然影像不仅供他人辨认，更直接作为全球物种分布研究的科学证据。

例如 eBird 的照片会进入康奈尔鸟类学实验室的麦考利图书馆（Macaulay Library），并反哺著名识鸟工具 Merlin 的图像与声音识别训练集。如果图中的鸟被 AI 悄悄改了羽色、脚趾或喙形，错误绝不会止步于一张失真的照片，它会形成一系列的多米诺骨牌反应，改变后续的科研人员和 AI 工具如何认识真实的自然。

而在公众科普出版领域，失守的速度同样惊人。

就在今年 10 月底，由中国农业出版社出版发行的《南海海洋生物科普丛书》遭到读者公开质疑，在介绍斑节对虾的分册封面与内页插图中，赫然出现了一只长着两个脑袋的诡异「双头虾」。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图16

面对全网群嘲，人们翻开书本序言才赫然发现上面写着：「本套丛书里绝大多数图片由 AI 绘图工具生成」。最终，涉事出版社工作人员不得不回应称正在通知全网下架并召回图书，新华网公开批评。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图17

一只长着两个脑袋的「双头虾」因为过于惊悚，还能被读者一眼揪出来，但那些只画错了一根翅脉、多添了一枚脚趾、或是篡改了尾羽斑纹的 AI 科普插图，一旦经过正规排版印刷，带着「科普图书」的权威光环摆上书店货架，普通读者和孩子该怎么分辨？

对严肃的科学记录而言，有时最危险的图像甚至连「AI 插画」的外观都没有，而是披着「真实照片」的外衣潜入数据库。

把大自然的面貌，还给耐心的观察

面对汹涌而来的生成式图像，专业的自然观察数据库已经在筑起高墙，给出了远比「请谨慎使用 AI」更硬核的准入红线。

例如，eBird 和麦考利图书馆明确禁止上传任何 AI 生成的图像、声音和视频，同时严禁使用生成式工具增补或重建照片原有的羽毛、眼睛等细节；只有裁切、常规曝光与色彩调整以及不捏造细节的轻微降噪才被允许。一旦违规，素材会被打上「过度编辑」或「人工生成」标签，屡犯的账号甚至会被限制权限。它的判断核心不是你用了哪款修图软件，而是上传物能否作为当时当地那个生物个体的真实证物。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图18

iNaturalist 也上线了针对性的拦截机制，一旦社区发现主要由 AI 生成的照片或录音，即可打上「人工生成内容」标记，原图会被替换为警示图，该条观察记录也会被直接降为「普通级（Casual）」，永久踢出「研究级（Research Grade）」序列。对于真实照片但因 AI 修图失真的案例，则走专门的数据质量评估通道。

由于 iNaturalist 向全球生物多样性信息平台（GBIF）共享的主要是符合许可的研究级记录，这一降级机制相当于在科研数据源头层面装上刹车片。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图19

这些平台规则至少捍卫了一条底线：把「好看」和「能作证」彻底分开。一张糊得像马赛克的原片，依然可以是一条诚实的科学记录；而一张由 AI 补齐了纤毫毕现的羽毛与眼神光的高清大图，在科学证据面前，没有价值。

然而，仅有专业数据库的防守还远远不够，甄别假图依然极度依赖人类的专业眼力，来源溯源证明代替不了内容准确性审查，公共互联网的「劣币驱逐良币」，都让「投毒」行动难以被遏制。

在公民科学数据库里，一张图片首先是一份现场证据；在博物图鉴与科普读物里，一幅插图是一份经过专业核对的知识契约；而在社交娱乐平台上，它成了一个吸引流量的帖子，一件「我很会用 AI」的时尚单品。

「算力可以代替专业」背后是十足十的傲慢。在没有领域专家把关、没有解决原始摄影作品授权的前提下，人不能、至少不应该把严谨的自然科学当成炫耀 Token 消耗量和 AI 技能大赛现场，更不应该把严肃的科学审校义务转嫁给社区去「免费排雷」。

大自然从来不是一段可以靠提示词批量生成的脚本，在这个生成一万张图比去公园认清一只鸟容易太多的时代，我们需要比以往任何时候都更加审慎。

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图20

我们正在招募伙伴

📮 简历投递邮箱hr@ifanr.com

✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）

10 亿 Token 开源万只假鸟， AI 伪科普正在「污染」下一代的常识图21